与此同时，在150公里之外的国网福建电力人工智能实验室，技术人员马腾正通过调控云平台查阅预测误差、分析预测结果。经过一个月的连续测试，预测模型对单点用户的发电功率预测时间精度可达到分钟级，日发电量预测平均准确率达87.5%，平均合格率达96%。
技术人员正在查阅分布式光伏微气象站数据远程传输情况
“分布式光伏点多面广，使用传统的光伏预测方法在面对海量预测任务时，存在算力要求高、计算效率低等问题，而且气象预报数据带来的误差也会对预测结果产生较大影响。”国网福建电科院人工智能技术骨干马腾介绍，“现在，通过引入网格化数据建模和微气象站校准这两个优化方式，对光伏预测模型的准确性和适用性进行校验，大大提升了光伏预测的效率和精度。”
据了解，目前福建分布式光伏发电装机容量已达到300万千瓦以上，随着分布式光伏大量接入电网，其随机性、波动性的发电特性使其和负荷需求存在时空上的不平衡，给光伏的就地消纳带来了困难，同时还会给当地配电网带来反向送电、台区过压并网等问题。而解决光伏就地消纳等问题最关键的一步就是实现光伏出力的精准预测，通过精准预测能够有效统筹光伏发电、负荷需求、储能装置之间的平衡协同，实现光伏最大程度就地消纳、优先消纳。
技术人员正在开展分布式光伏微气象站现场调试
为了有效解决光伏预测难题，今年8月份，国网福建电科联合泉州南安供电公司组建联合攻关团队。经过多种技术路线对比，团队最终选择采用网格化数据建模方法，根据地理位置、电网结构将区域划分为多个子区域，将光伏用户与气象站气象预报数据通过网格进行匹配。攻关团队构建了中低压有源配电网数据集，利用公司人工智能平台训练环境开展基于轻量级机器学习算法的预测模型研发，建成省内首套县域分布式光伏功率预测模型。
“分布式光伏站点、气象预报点、微气象监测点，这些数据源位置存在点多面广的特点，易出现数据缺失和异常等问题，而网格化建模技术是一种数据增强技术，它不仅提升了数据匹配效率，而且还能解决数据缺失和不匹配问题。”国网福建电科院数字中心负责人郑州介绍，“目前，试点地区分布式光伏已实现从‘无预测’到‘可预测’再到‘精准预测’，并且我们开发的模型已经在省侧配网调控云进行了封装部署，能够辅助调度专业开展方式安排和资源调配，有效保障电力可靠供应。”
分布式光伏功率预测仅是大数据、人工智能技术在电网调控领域应用的一个缩影。下一步，国网福建电力人工智能团队将继续扩大分布式光伏发电功率预测模型的试点应用范围，将预测服务覆盖至全省九地市光伏发电客户，持续开展数据应用产品研发，推进大数据分析、深度学习等新技术落地应用。
